모두를 위한 딥러닝 제11강 ML lec 5-1: Logistic Classification의 가설 함수 정의

# Binary Classification 예시

-Spam Email Detection : Spam(1) or Ham(0)

-Facebook Feed : Show(1) or Hide(0)

-Credit Card Fraudulent Transaction Detection : Legitimate(0) / Fraud(1)

- 주식시장에서 살까 팔까를 결정 : Sell(0) or Buy(1)

- 사진에서 진단 : 음성종양(0) or 양성종양(1)

# Linear Regression을 이용해서 Classification을 수행할 시 발생하는 문제점

- 우리는 분류문제에서 Label이 0 or 1인 것을 알고있는데 Linear regression의 hypothesis는 0~1 사이의 값을 주지않는 불편함.

- hypothesis 그래프에서 y축이 0.5가되는 x 지점을 기준으로 분류를 시도하는데 기울기가 변함에 따라 제대로 분류하지 못하는 문제가 발생한다.

# Sigmoid 함수

- sigmoid 함수를 이용해 기존 linear regression의 hypothesis -> Z의 결과값이 0~1사이가 나오게 함

- sigmoid 함수를 Logistic이라고 부른다. 그리고 sigmoid 함수를 이용해 만든 Classifier는 Logistic Regression이라고 부른다.

# Logistic Regression의 Hypothesis

- bias를 제거한 식이고 T는 transposed matrix를 의미

그림참고 : https://youtu.be/PIjno6paszY